想当数据分析师要选什么专业

问题描述

精选答案

数据分析行业逐渐被企业和从业者青睐，很多人给小编留言，咨询从事数据分析选择什么专业更占优势？今天，我们也来聊聊。

一、数学专业正所谓“学好数理化，走遍天下都不怕”，数据分析无外乎是从大量凌乱数据中发现隐含的规律，数学往往让人逻辑思维更严密，对数据更加敏感。

二、统计学专业统计学是数据分析的基本功，贯穿数据分析的全过程，同时，系统学习统计学后，会对数据的理解与分析能力更专业，更深刻。

三、计算机科学与技术专业数据分析会接触的很多工具和编程语言，如果你是计算机专业出身，在编程方面更占优势，在工具使用时，上手更快。

四、社会学专业从经济学角度看，人具有经济性，会追求利益最大化。但从社会学角度看，具有社会性的人还会受社会群体心理影响。有社会学背景的数据分析师，能更合理解释市场现象。

五、营销学专业数据分析师需为企业的营销决策提供支持，懂营销的数据分析师，思路会更清晰、更开阔。

六、财务管理专业财务管理问题是企业选择投资项目的依据、评价财务状况的指标、评估决策效果的量尺，懂财务管理的数据分析师能更精准把握规律。

七、心理学专业人才是企业稳定发展的基石，用户是企业的衣食父母。想提升市场占有率，企业就必须先提高人心占有率，因此，懂心理学的数据分析师，能更准确探测员工或用户的真实想法。所以，并非只有数学、统计学、计算机等理工科背景的人才能从事数据分析，其他背景专业的人，尤其是文科生也有同等的机会。毕竟，选择大于能力，能力大于专业，兴趣和努力决定我们未来能走多远。数据分析不是IT行业，无需精通过多编程语言，数据分析更注重实操和业务能力，且现今数据分析工具，如：Python、PowerBI等已比较容易入门。从事数据分析，真正要提升的是逻辑思维能力、敏锐的洞察能力、良好的沟通表述能力……这些无需靠背景，通过努力也可拿下。

其他回答

财经镜鉴

数据分析行业逐渐被企业和从业者青睐，很多人给小编留言，咨询从事数据分析选择什么专业更占优势？今天，我们也来聊聊。

一、数学专业

正所谓“学好数理化，走遍天下都不怕”，数据分析无外乎是从大量凌乱数据中发现隐含的规律，数学往往让人逻辑思维更严密，对数据更加敏感。

二、统计学专业

统计学是数据分析的基本功，贯穿数据分析的全过程，同时，系统学习统计学后，会对数据的理解与分析能力更专业，更深刻。

三、计算机科学与技术专业

数据分析会接触的很多工具和编程语言，如果你是计算机专业出身，在编程方面更占优势，在工具使用时，上手更快。

四、社会学专业

从经济学角度看，人具有经济性，会追求利益最大化。但从社会学角度看，具有社会性的人还会受社会群体心理影响。有社会学背景的数据分析师，能更合理解释市场现象。

五、营销学专业

数据分析师需为企业的营销决策提供支持，懂营销的数据分析师，思路会更清晰、更开阔。

六、财务管理专业

财务管理问题是企业选择投资项目的依据、评价财务状况的指标、评估决策效果的量尺，懂财务管理的数据分析师能更精准把握规律。

七、心理学专业

人才是企业稳定发展的基石，用户是企业的衣食父母。想提升市场占有率，企业就必须先提高人心占有率，因此，懂心理学的数据分析师，能更准确探测员工或用户的真实想法。

所以，并非只有数学、统计学、计算机等理工科背景的人才能从事数据分析，其他背景专业的人，尤其是文科生也有同等的机会。

毕竟，选择大于能力，能力大于专业，兴趣和努力决定我们未来能走多远。

数据分析不是IT行业，无需精通过多编程语言，数据分析更注重实操和业务能力，且现今数据分析工具，如：Python、PowerBI等已比较容易入门。

从事数据分析，真正要提升的是逻辑思维能力、敏锐的洞察能力、良好的沟通表述能力……这些无需靠背景，通过努力也可拿下。

其他回答

梦之IT

硬实力：数据分析师需要学生有一定的数学、计算机背景，从这个出发点来说，数学、统计、计算机科学等专业可以从事数据分析工作。这三个专业的同学可以虽然可以处理大量数据，并且拥有很强的数据分析能力，但是这类同学对于Business 和 Marketing缺乏了解。

软实力：软实力要求学生懂业务、懂管理，从这个出发点来说，信息管理、市场营销、电子商务、社会学、金融学等专业毕业后也可以从事数据分析相关工作。不过，这几个专业在业务方面可能专业度非常高，但是缺点也是非常明显的：缺乏很强的数学和计算机背景，在实际操作中缺乏相关的专业技能。

更本质的看，数据分析是一种技能，人人可以学，学了都有用。这是个要用数据说话的年代，懂点数据相关知识可以更好的服务工作与学习。

其他回答

期货小诸葛

数据分析师一般是计算机或者数学相关专业。成为一个合格的大数据分析师应该学习和掌握以下技能： 统计分析：大数定律，抽样推测规律，秩和检验，回归分析，方差分析等； 可视化辅助工具：excel，ppt，思维导图，visio； 大数据处理框架：hadoop，kaffka，storm，elk，spark； 数据库：sqlite，mysql，mongodb，redis，cassandra，hbase； 数据仓库/商业智能：ssis数据仓库，ssas ssrs，dw； 数据挖掘工具：matlab，sas，spss； 人工智能：机器学习相关知识； 挖掘算法：数据结构，一致性，常用算法； 编程语言：python，ruby，java； 计算机对数据存储和保存了大量数据，包括科学家和工程师也都了丰富的研究和应用尽可能多的提取数量。然而想从大量数据中洞察出真正和有用的，更高价值的数据，都是需要人工干预的。这些人有丰富的行业经验和洞察力，而且对业务有深刻了解，并且能够使用好数据分析的工作，例如excel，spss，python等。这种职位一般存在于高科技公司，例如paypal和google，相信以后人工智能、大数据、云计算创业的很多中小型企业，对此职位的需要也会越来越多。 对以上知识进行有重点的学习，解决的方法是让各种技能达标： 初级数据分析师需要快速学习能力80分，数学知识40分，分析工具使用程度70分，编程语言30分，业务理解80分，逻辑思维80分，数据可视化能力40分，协调沟通能力80分。 高级数据分析师要达到快速学习能力80分，数学知识70分，分析工具使用程度90分，编程语言60分，业务理解90分，逻辑思维80分，数据可视化能力90分，协调沟通能力80分。 总之，成为分析师的重要点并非数学知识和编程能力，最重要提是业务理解和协调能力，所以针对不同的行业的分析师，要学习的行业知识也不尽相同，需要对症下药，实施不同学习策划和路径。